COVID-19（新型コロナウイルス感染症）予測のための解釈可能なシーケンス学習

このドキュメントでは、機械学習を区画的疾病モデリングに統合することで COVID-19 の進行を予測する新たなアプローチを提案します。Google のモデルは設計によって説明可能です。さまざまな区画での遷移状況を明確に示し、解釈可能なエンコーダを使用して共変量を取り入れ、パフォーマンスを向上させるためです。説明可能性は、モデルの予測が疫学者にとって信用されるものであり、政策立案者や医療機関などのエンドユーザーに信頼感を与えるうえで有用です。このモデルはさまざまな地理的解像度で適用が可能で、米国の州と郡に対してこのモデルが使用されています。Google は、このモデルが最先端の別の方法よりも正確な予測であることと、定性的であり有意義で説明的な分析情報を提供することを示します。

概要

このドキュメントでは、次の概要を説明します。

• COVID-19 に関する提案された区画モデルを確認します。
• COVID-19 の正確な予測に必要な共変量を使用するために実施されたモデル設計の選択について把握します。
• 限定的なトレーニング データから学習する一方で、一般化を改善するために開発された学習メカニズムについて話し合います。
• 複数の実験結果を確認し、モデルを他の一般公開された利用可能な COVID-19 モデルと比較します。
• モデルの考えられる制限事項と失敗例を把握し、この手法を使用して公衆衛生の判断に影響を与える可能性がある予測システムを構築する見込みのある人々をガイドします。

ホワイト ペーパー全体を読むには、次のボタンをクリックしてください。

PDF をダウンロード